Învățare profundă pentru începători 2: Implementarea rețelelor neuronale recurente, VAE și GAN (Învățare automată) în Python

Aceasta este a doua parte a unei serii despre elementele fundamentale ale învățării profunde, predată de un instructor popular pe platforma de educație online Udemy. Cartea anterioară, „Deep Learning pentru începători”, a explicat cele mai elementare elemente.: rețele neuronale și backpropagation, într-un mod ușor de înțeles chiar și pentru începători. Această carte explică rețelele neuronale recurente (Rețele Neuronale Recurente), care sunt de mare valoare în domeniul procesării limbajului natural, precum și modelele generative de învățare profundă VAE (Autoencoder Variațional) și GAN (Rețele Generative Adversariale), inclusiv metode de implementare. Urmând cartea anterioară, implementarea programului se face în întregime în Python, fără a se baza pe framework-uri existente.

[Caracteristici carte] - Pentru cei care nu au citit cartea anterioară, există capitole care explică elementele de bază ale Python, matematicii și rețelelor neuronale. - Programele exemplu sunt scrise integral în Python, fără a utiliza niciun cadru (framework).. Acest lucru face principiile codării formulelor matematice ușor de înțeles, chiar și pentru începători. - Programele de exemplu pot fi descărcate de pe site-ul SB Creative Corporation. Compatibil cu Python 3, Jupyter Notebook și Google Colaboratory

Capitolul 1: Dezvoltarea Învățării Profunde Prezentare generală a învățării profunde Aplicații ale învățării profunde Tehnologii Acoperite în Această Carte Cum să utilizați această carte

capitolul 2: Pregătire pentru Învățare Configurarea unui mediu Anaconda Cum să folosești Google Colaboratory Cum să folosești Jupyter Notebook Bazele Python NumPy și matplotlib Matematică de bază

capitolul 3: Bazele Deep Learning Prezentare generală a rețelelor neuronale și a învățării profunde Propagare înainte prin straturi complet conectate Backpropagation prin straturi complet conectate Implementarea unui Strat Complet Conectat Implementare simplă de deep learning

capitolul 4: RNN Prezentare generală a RNN-urilor Propagare înainte prin straturi RNN Retropropagare prin Straturi RNN Implementarea unui strat RNN Implementare simplă RNN Probleme întâmpinate de RNN-uri

capitolul 5: LSTM Prezentare generală a LSTM-urilor Propagare înainte prin straturi LSTM Propagare inversă prin straturi LSTM Implementarea unui strat LSTM Implementare simplă LSTM Generare automată de text

Capitolul 6: GRU Prezentare generală a GRU Propagare înainte strat GRU Propagare inversă a stratului GRU Implementarea stratului GRU Implementare GRU Simplă Encoder-Decoder

Capitolul 7: VAE Prezentare generală VAE Cum funcționează VAE Implementarea Autoencoderelor Straturi Necesare pentru VAE Implementarea VAE Derivate VAE Capitolul 8: GAN Prezentare generală a GAN Cum funcționează GAN Straturi necesare pentru GAN Implementarea GAN Derivate GAN